在分析中排除缺失值_CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

2019-01-12 阅读量: 739

在分析中排除缺失值

确定了缺失值的位置以后，你需要在进一步分析数据之前以某种方式删除这些缺失值。原因

是，含有缺失值的算术表达式和函数的计算结果也是缺失值。举例来说，考虑以下代码：

x <- c(1, 2, NA, 3)

y <- x[1] + x[2] + x[3] + x[4]

z <- sum(x)

由于x中的第3个元素是缺失值，所以y和z也都是NA（缺失值）。

好在多数的数值函数都拥有一个na.rm=TRUE选项，可以在计算之前移除缺失值并使用剩余

值进行计算：

x <- c(1, 2, NA, 3)

y <- sum(x, na.rm=TRUE)

这里， y等于6。

在使用函数处理不完整的数据时，请务必查阅它们的帮助文档（例如， help(sum)），检查

这些函数是如何处理缺失数据的。函数sum()只是我们将在第5章中讨论的众多函数之一，使用

这些函数可以灵活而轻松地转换数据。

你可以通过函数na.omit()移除所有含有缺失值的观测。 na.omit()可以删除所有含有缺

失数据的行。

0.0000

0

0

关注作者

收藏

评论(0)

发表评论

暂无数据

CDA考试动态

CDA报考指南

推荐帖子